Geoestadisticaaaaa

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC
FACULTAD INGENIERIA DE MINAS
ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS
SUB SEDE HAQUIRA-COTABAMBAS
CARRERA PROFESIONAL: INGENIERA DE MINAS
TEMA:
VARIABLE REGIONALIZADA, SOFTWARD Y SUS APLICACIONES,

CONTROL DE ASEGURAMIENTO Y CALIDAD , METODOS GEOQUIMICOS
Y TIPOS DE MUESTRAS
ASIGNATURA : GEOESTADISTICA
DOCENTE : ING. CREIDER PANOV TUNQUE SUYO
PRESENTADO POR : CACERES HUACHACA REYNALDO
CODIGO : 121322
CICLO : VI
HAQUIRA-PERU
2016
geo estadstica Pgina 1

1. VARIABLE REGIONALIZADA
En un gran nmero de actividades humanas, principalmente en las ciencias de la

tierra, el arte de las minas, Interesa estudiar la variacin espacial de ciertas
magnitudes, que llamaremos, de manera general, variables regionalizadas. Como
ejemplos simples de variables regionalizadas, citemos entre otras: las densidades de
poblacin humana en una zona geogrfica, la potencia (o el espesor) de una
formacin geolgica, la ley de un metal dado en un yacimiento minero, etc.
El tcnico se puede interesar a estas magnitudes por razones de tipo puramente
utilitario. Por ejemplo, para un minero, se puede tratar de estimar las reservas de un
yacimiento, en tonelaje y en ley, a partir de un muestreo fragmentario, y, en la medida
de lo posible, acompaar estas estimaciones de un clculo de error. pero tambin de
una manera ms general, puede interesarse en estas magnitudes para tratar de hacer
comprensible el fenmeno natural (regionalizado) Estos dos puntos de vista no se
oponen entre s. en efecto, para resolver correctamente un problema esencialmente
prctico, como el clculo del error posible cometido en la estimacin de un yacimiento
minero, es imperativo tomar en cuenta ciertas caractersticas estructurales de la
variable regionalizada, tal como su continuidad. el ejemplo elemental siguiente lo
muestra de manera clara. supongamos que se han realizado medidas, a intervalos
regulares, a lo largo de una lnea, las cuales han proporcionado, en el terreno, en un
primer lugar, la secuencia a de valores numricos:
12345654321
Y, en un segundo caso, la secuencia b:
14361543252
las variables regionalizadas no pueden ser asimiladas a variables aleatorias, cuyo
estudio es el objetivo de la estadstica habitual. de hecho, la nocin de variable
aleatoria solo tiene un sentido concreto si se cumplen las dos condiciones siguientes:
posibilidad, por lo menos terica de repetir indefinidamente el experimento que
Atribuye un valor numrico definido a la variable aleatoria.

Independencia mutua de estos experimentos, el resultado de uno de estos no puede
Estar de ninguna manera influenciado por el resultado de los experimentos
precedentes. Una variable regionalizada no puede verificar estas dos condiciones. si el
experimento consiste, por ejemplo, en tomar una muestra de caractersticas definidas
en un punto de coordenadas xyz, al interior de un yacimiento, la ley de esta muestra
es nica, fsicamente bien determinada y de ninguna manera aleatoria. no hay ninguna
posibilidad de repeticin, y la condicin 1 no se verifica. Sin embargo es posible tomar
una nueva muestra, no en el mismo punto, sino en un punto vecino del precedente: a
pesar que no se trata, estrictamente, del mismo experimento, se podra en rigor,
admitir que la condicin.
se respeta de manera aproximada. Pero ahora la condicin

no lo ser de ninguna manera. Si la primera muestra ha sido tomada en una
zona rica, la segunda implantada en su vecindad, tendr tendencia, en
promedio, a ser rica igualmente, y esta tendencia ser ms pronunciada
cuando la mineralizacin ser ms continua

1.2. CARACTERSTICAS CUALITATIVAS DE LAS VARIABLES

REGIONALIZADAS.
Las variables regionalizadas que se presentan a observacin, poseen caractersticas
cualitativas, ligadas estrechamente a la estructura del fenmeno natural que ellas
representan. Entre estas caractersticas que la estadstica ordinaria es incapaz de
expresar, y que deben, obligatoriamente ser tomadas en cuenta por la teora de las
variables regionalizadas, examinemos, usando como referencia el ejemplo ya dado de
una ley en un yacimiento minero, algunas de las caractersticas ms importantes:
a) localizacin. Una variable regionalizada no toma sus valores en cualquier lugar, sino
ms bien, en una regin bien determinada del espacio, que se llama campo
geomtrico:
El campo es en general una formacin geolgica, por ejemplo el espacio mineralizado
del yacimiento mismo. Pero a veces es necesario limitar el estudio de la variable a una
porcin, o panel, de su campo geomtrico natural. Igualmente, la variable ser a veces
definida como una funcin f(m) del punto m. sin embargo, a menudo, no habr inters
en los valores puntuales, sino en los valores medios de la variable al interior de un
dominio pequeo, o soporte geomtrico. Para una ley, el soporte ser el volumen v de
la muestra tomada. El volumen v debe estar definido de manera precisa, con sus
dimensiones, su forma geomtrica, y su orientacin en el espacio. si se cambia el
soporte v se obtiene una nueva regionalizacin, que presenta analogas con la
primera, pero que no es idntica. es as como los bloques de algunos metros cbicos
no se distribuyen en el espacio de la misma manera que los testigos de sondajes de
algunos kilos. Una de las tareas de la teora de las variables regionalizadas, que se
llama a veces tambin geo estadstica cuando se aplica a problemas geolgicos y
mineros, consiste en prever las caractersticas de la variable definida sobre un soporte
v y en un campo v, conociendo, por ejemplo, las de la variable puntual en un campo
diferente v.
b) continuidad.- una segunda caracterstica esencial es el grado de mayor o menor
continuidad de la regionalizacin en el espacio. en ciertos casos, por ejemplo, para
variables que poseen una significacin puramente geomtrica, como la potencia de
una formacin geolgica, se observar la continuidad estricta de los matemticos, que
se define con y . lo ms corriente, es observar una continuidad ms floja, llamada
continuidad en media. En este caso, cuando el punto m tiende hacia m0, solamente el
valor medio de [f(m) f(m0)]2 tiende a cero. La reparticin en le espacio toma ahora
una forma ms irregular y discontinua. Finalmente puede suceder que la continuidad
en media no se verifique. En este caso de extrema irregularidad, nosotros hablaremos
de efecto de pepita. Los yacimientos de oro pepitico proporcionan un ejemplo clsico.
c) anisotropa.- en tercer lugar, una regionalizacin puede ser anistropa. puede
existir, por ejemplo, una direccin privilegiada, a lo largo de la cual los valores se
modifican lentamente, mientras que stos varan mucho ms rpido en la direccin
perpendicular. Este tipo de fenmenos conocidos con el nombre de corridas, de
zonaciones, etc est, en general asociado a la existencia de ciertas estructuras
geolgicas.
d) fenmeno de transicin.- otros tipos de estructuras se pueden manifestar, ligados
a la aparicin en el campo geomtrico de la variable, de una red de discontinuidades:
se habla entonces, de una manera general, de fenmenos de transicin. como
ejemplos simples, se pueden citar, para las formaciones sedimentarias, las
estratificaciones y las repeticiones lenticulares de los estratos. Puede suceder que la
variable la cual es constante o casi constante al interior de los estratos, tenga cambios
bruscos al pasar de un estrato a otro. A estas discontinuidades verticales,
materializadas en el espacio por las uniones estratigrficas, a menudo se adicionan

discontinuidades horizontales, debidas al trmino lenticular y a la repeticin de los

estratos individuales. esta red compleja de discontinuidades realiza una particin del
espacio mineralizado en compartimientos casi independientes entre s
(correspondientes, por ejemplo, a antiguos micro-cuencas, donde las condiciones de
depositacin han evolucionado de manera ms o menos autnoma).
1.3. LOS ESQUEMAS TERICOS.

Para elaborar una representacin matemtica de las variables regionalizadas, capaz
de tomar en cuenta las caractersticas estructurales mencionadas anteriormente, se
puede pensar en utilizar la teora probabilstica de las funciones aleatorias. sin
embargo, es necesario ver bien, que los naturalistas tienen aqu una objecin muy
fuerte, ligada a la unicidad de los fenmenos naturales y a la imposibilidad de la
inferencia estadstica. Recordemos, en efecto, rpidamente la nocin de funcin
aleatoria. Partiendo de la nocin de variable aleatoria simple x, definida por su ley de
distribucin probabilstica f(x), los matemticos han introducido a continuacin las
variables aleatorias con varias componentes (x1, x2, , xn) descritas por leyes de
distribucin simultneas f(x1, x2, ,xn), luego ellos han examinado lo que se produce
cuando n es infinito. una funcin aleatoria es, si se quiere, una variable aleatoria con
una infinidad de componentes. en el caso que nos ocupa, estas componentes, en
nmero infinito, seran los valores tomados por la variable regionalizada en cada uno
de los puntos de su campo geomtrico. se ve cul es la objecin de los naturalistas.
los valores tomados por la variable en todos los puntos de su campo deben ser
considerados como el resultado de una prueba al azar, en un experimento nico,
efectuado segn la ley de probabilidad con una infinidad de componentes que definen
la funcin aleatoria. pero el paso inverso no es posible. El experimento es nico y no
se puede remontar, a partir de los valores experimentales, la distribucin terica, como
tampoco se puede inferir la ley de probabilidad f(x) de una variable aleatoria ordinaria x
cuando solo se dispone del resultado de un solo experimento, el cual ha dado un valor
numrico particular (por ejemplo x = 98).a pesar que la inferencia estadstica no est
fundamentada, es claro que los valores numricos tomados efectivamente por la
variable regionalizada, es decir, el fenmeno natural mismo, poseen una realidad
fsica, y todo recurso a una interpretacin probabilstica aparece como perfectamente
arbitraria. Este es el punto de vista adoptado por la teora de las variables
regionalizadas en un primer grupo de mtodos llamados representaciones transitivas.
estos mtodos que son el objeto de la primera parte de la obra, no hacen ninguna
referencia a alguna hiptesis probabilstica.
Pero, a pesar que la varianza de la funcin aleatoria misma puede ser considerada
como infinito, sus incrementos, o diferencias que la funcin aleatoria toma en dos
puntos distintos, conservan, en general, una varianza finita. la teora de los esquemas
estocsticos intrnsecos, que es el objeto de la segunda parte de la obra, est
consagrada al estudio de esta clase particular de funciones aleatorias accesibles
solamente por sus incrementos. El papel mayor del covariograma transitivo g(h), o la
covarianza estacionaria k(h), incumbe ahora a una funcin de dispersin intrnseca
(h), o variograma , la cual representa el incremento cuadrtico medio de la funcin
entre dos puntos distantes de h. la teora intrnseca postula la homogeneidad del
fenmeno en el espacio y se formula en trminos probabilsticos. Esta teora se opone
fuertemente a las representaciones transitivas. Es a la vez menos general y ms
potente. menos general, porque grandes clases de fenmenos regionalizados.

2. DE SOFTWARE AS A SERVICE Y APLICACIONES
Software como Servicio en su definicin ms ortodoxa es un modelo de distribucin

de software mediante el cual una aplicacin es ofrecida a mltiples clientes y es
accesible a travs de la red (ej.: internet).
Las principales caractersticas del modelo segn [IDC, 2008] son:
El software es accesible, manejado y comercializado va red
El mantenimiento y actividades relacionadas con el software se realiza n desde
un lugar centralizado en lugar de hacerlo en cada cliente, permitiendo a estos
acceder a las aplicaciones va la red
La aplicacin es distribuida tpicamente bajo el modelo de uno-a-muchos,
incluyendo su arquitectura, management, precio y partnering
Generalmente se basa en un modelo de comercializacin en el cual no hay un
costo inicial, sino que un pago por suscripcin o por utilizacin en el cual no se
diferencia la licencia del software del alojamiento del mismo.
La figura a continuacin muestra algunas caractersticas de Software como Servicio en

comparacin con Application Service Provider y tercerizacin tradicional de una
aplicacin [Forrester Research.
2.1 ROLES Y ECOSISTEMA

2.1.1. Construir, Ejecutar, Consumir y Comercializar

Dentro del ecosistema del modelo Software como Servicio es posible definir un
conjunto de roles. Estos roles definen responsabilidades que pueden ser ejecutadas
por un mismo actor o diferentes actores. La siguiente figura define los roles: construir,
ejecutar, consumir y comercializar.
2.1.2 Construir
La tarea principal de este rol es construir el software aportando el conocimiento del
dominio especfico. Por ejemplo, una empresa con conocimientos del dominio
financiero construye una aplicacin para el manejo de flujo de dinero. Esta empresa
tiene el conocimiento necesario para mapear los requerimientos del mundo financiero
a una aplicacin que automatice las tareas y reportes relacionados con el manejo del
flujo de dinero. Sus principales preocupaciones estn relacionadas con la arquitectura
de la aplicacin, la lgica y reglas de negocios, el modelo de datos, etc.
2.1.3 Ejecutar
En el rol de ejecucin la tarea principal es proveer plataforma e infraestructura para la
ejecucin de Software como Servicio. exponer y ejecutar sus aplicaciones a travs de
la web. La diferencia en este tipo de ejecucin es que mientras el proveedor de
alojamiento solo ofrece el cable de red, el ancho de banda, un servidor y espacio en
disco el rol de ejecucin en Software como Servicio tiene ms responsabilidades.
2.1.4 Consumir
Consumir Software como Servicio no debera ser muy diferente a consumir cualquier
otra aplicacin. Es decir, el consumidor no tiene porque interesarse en la forma en que
el proveedor distribuye su aplicacin . En ltima instancia, el consumidor se interesa
en las caractersticas del software y si lo ayuda o no a su negocio. Las preocupaciones
en este contexto son: cmo se integra el software al conjunto de aplicaciones
existentes, cul es el mecanismo de seguridad y como interacta con los mecanismos
de la empresa, si se est cumpliendo o no con el nivel de servicio acordado, etc.
2.1.5 Comercializar
La comercializacin es la actividad relacionada con sacar rdito econmico del
software. El rol de comercializador generalmente lo toma el mismo que construye, no
obstante la especializacin tambin lleva a que haya empresas dedicadas,
exclusivamente o no, a monetizar una aplicacin brindada como un servicio. Por
ejemplo, una aplicacin con un trfico importante puede no cobrarles a los usuarios
pero ganar plata de los avisos publicitarios de Google AdSense. Es decir, Google toma
el rol de comercializador.
construir
Comercializar ejecutar
consumir

2.1.6 Comercializar
La comercializacin es la actividad relacionada con sacar rdito econmico del
software. El rol de comercializador generalmente lo toma el mismo que construye, no
obstante la especializacin tambin lleva a que haya empresas dedicadas,
exclusivamente o no, a monetizar una aplicacin brindada como un servicio. Por
ejemplo, una aplicacin con un trfico importante puede no cobrarles a los usuarios
pero ganar plata de los avisos publicitarios de Google AdSense. Es decir, Google toma
el rol de comercializador. Los tipos de comercializacin ms comunes son: por
suscripcin, por utilizacin y por publicidad. Dentro del modelo de suscripcin el ms
utilizado es por mes por usuario.
Este modelo se puede utilizar en sitios con mucho trfico. A continuacin se ilustran 6
ejemplos en donde se diferencian los roles en cada uno.
Figura Ejemplos de empresas tomando diferentes roles dentro del modelo
2.3. ADOPCIN Y DIFUSIN

Habiendo definido el modelo de Software como Servicio, se ensayar un anlisis de
adopcin y difusin tomando datos hasta Agosto de 2008 con el objetivo de situar est
innovacin en el ciclo de vida de adopcin tecnolgica. El anlisis estar enmarcado
en la teora de difusin de innovaciones [Rogers, 2003].
El modelo de ciclo de vida de adopcin tecnolgica describe la aceptacin de un
nuevo producto o innovacin de acuerdo a las caractersticas demogrficas y
psicolgicas definidas por los grupos de adopcin. El proceso de adopcin a lo largo
del tiempo se ilustra como una curva de campana, ubicando a los innovadores,
tomando el riesgo ms grande, luego los que adoptan tempranamente que buscan una
ventaja competitiva tambin tomando riesgo. Cuando se percibe el valor real que

aporta la tecnologa en cuestin, la mayora temprana adopta. La mayora tarda son

ms cautelosos y los rezagados adoptan cuando es realmente barato y poco riesgo.
Figura 4 - Grafico de campana del modelo de ciclo de vida de adopcin

tecnolgica [Rogers, 2003]
2.4. GARTNER INC.

Gartner realiza una vez al ao un reporte denominado Hype Cycle. Este modelo
representa la evolucin de lo que denomina visibilidad de una tecnologa emergente (o
expectativas despertadas por esa tecnologa) en funcin del tiempo. Una evolucin
que progresa desde un entusiasmo exagerado, pasando por un perodo de desilusin
hasta una eventual comprensin de la relevancia de la tecnologa y de su papel en un
mercado o dominio. El modelo se justifica por la influencia de dos fuerzas principales
que conforman las expectativas que se crean alrededor de una nueva tecnologa:
el ruido de comunicacin (noticias, publicidad, etc.) sobre dicha tecnologa, en
una primera instancia
la madurez de la tecnologa (desde un punto de vista tcnico y de negocio), en
una segunda instancia

El grfico de Hype Cycle se ve a continuacin:

2.5. Forrester
Forrester Research evidencia el creciente inters en este modelo comparando
encuestas de 2006 y 2007 a grandes, medianas y pequeas empresas [Forrester
Research, 2008]. La pregunta que plantea la encuesta es Cun interesado est en
adoptar Software como Servicio?. Del total de encuestados (1025 empresas de
Estados Unidos y Europa), un 10% a un 20% estn usando actualmente y la tendencia
marca que la adopcin se da en empresas ms grandes. En todos los casos se
incrementa el porcentaje en la categora de usando actualmente y muy interesado
pero sin planes de adoptar de 2006 a 2007.

3. MTODO GEOQUMICO
El mtodo geoqumico es un mtodo indirecto de prospeccin y se ocupa de la
determinacin de la distribucin y de la abundancia de ciertos elementos como los
elementos indicadores y los elementos exploradores relacionados con un depsito
mineral. Una anomala geoqumica se refiere a una variacin en la abundancia de un
elemento en comparacin a su abundancia normal en un rea definida. Una anomala
geoqumica puede ser relacionada o no con un depsito mineral.
Para un reconocimiento geoqumico general se toman las muestras a travs de
una red de muestreo irregular o de espaciamiento grande y analizan muestras de
sedimentos de ros, de suelos y de rocas, en casos especiales se trabajan con
muestras de vapor, vegetacin y agua. Segn los objetivos (De qu muestras se
trata? Cules son los minerales/elementos de inters?) se elige el mtodo analtico
adecuado como por ejemplo la espectrometra de absorcin atmica para analizar
muestras de agua con respecto a su contenido en Cu, Mo, Zn, Au, Ag, As, F, el
anlisis de fluorescencia de rayos X .
3.1 MTODOS GEOFSICOS
Los mtodos geofsicos son mtodos indirectos de prospeccin o exploracin
respectivamente. Por medio de los mtodos geofsicos se puede identificar una
anomala
geofsica. El trmino anomala geofsica se refiere a una propiedad fsica de la tierra,
que en un volumen definido difiere apreciadamente con respecto a su valor comn o
normal correspondiente a esta rea. En un caso favorable una anomala geofsica
corresponde a un depsito mineral. Una anomala de gravedad puede ser causada por
ejemplo por un depsito mineral de cromita o por un cambio lateral en la litologa de
una arenisca a una dunita (Fig. en preparacin). Si la anomala geofsica detectada por
un mtodo geofsico est relacionada con un depsito mineral o con un otro fenmeno
geolgico o fsico, se comprueba aplicando otros mtodos de prospeccin como otros
mtodos geofsicos, el mtodo geolgico y el mtodo geoqumico.
Un requisito para el uso eficaz de los mtodos geofsicos es la presencia de
diferencias mensurables entre las propiedades fsicas del depsito mineral y las rocas
encajantes.
3.2 CAMPO DE APLICACIN

Desde su introduccin en los aos 1920 los mtodos geofsicos y entre ellos los
mtodos ssmicos jugaron un papel muy importante en la exploracin del petrleo y de
gas. Con respecto a la minera la aplicacin de los mtodos geofsicos da resultados
exitosos en la localizacin de dos tipos de depsitos minerales: depsitos minerales de
sulfuros, sean macizos o diseminados y depsitos de hierro. Adems se exploran otros
depsitos por los mtodos geofsicos como depsitos de oro y de cromita pero con
menos xito.
La polarizacin inducida es el mtodo ms potente para descubrir los prfidos

cuprferos y de molibdeno con la asociacin de minerales metlicos de calcopirita.
calcosina, bornita, molibdenita y pirita.

Los depsitos de hierro de importancia econmica se constituyen de magnetita y

hematita. La magnetita tiene la susceptibilidad magntica ms alta con respecto a
todos
los minerales y su presencia en un depsito mineral de hierro favorece la aplicacin
del
mtodo magntico. La hematita es de susceptibilidad magntica mucho menor, pero a
menudo esta relacionada genticamente o estratigrficamente con unidades litolgicas
3.3. LOS PASOS DE UNA EXPLORACIN GEOQUMICA
1. Seleccin de los mtodos, de los elementos de inters, de la sensibilidad y la
precisin necesarias y de la red de muestreo. Las selecciones se toma con base
en los costos, los conocimientos geolgicos, la capacidad del laboratorio
disponible y una investigacin preliminar o las experiencias con reas parecidas.

2. Programa de muestreo preliminar, que incluye anlisis inmediato de algunas

muestras tomadas en la superficie y en varias profundidades en el subsuelo para
establecer los mrgenes de confianza y para evaluar los factores, que
contribuyen al ruido del fondo.
3. Anlisis de las muestras en el terreno y en el laboratorio, incluido anlisis por
medio de varios mtodos.
4. Estadsticas de los resultados y evaluacin geolgica de los datos tomando en
cuenta los datos geolgicos y geofsicos.
5. Confirmacin de anomalas aparentes, muestreo encauzado en reas ms
pequeas (red de muestreo con espaciamiento corto), anlisis de las muestras y
evaluacin de los resultados.
6. Investigacin encauzada con muestreo y anlisis adicionales de muestras
3.4 ELEMENTO INDICADOR, ELEMENTO EXPLORADOR

Elemento indicador, indicador directo o elemento blanco (target element) se
refiere a uno de los elementos principales del depsito mineral, que se espera
encontrar.
Elemento explorador o elemento pionero (pathfinder element) se refiere a un
elemento asociado con el depsito mineral, pero que puede ser detectado ms
fcilmente en comparacin al elemento blanco, que puede ser dispersado en un rea
ms
extendida y que no est acompaado por tanto ruido de fondo en comparacin al
elemento blanco. La seleccin de un elemento explorador requiere un modelo del
depsito mineral, que se espera descubrir. Arsnico (As) por ejemplo puede presentar
un elemento explorador para la bsqueda de cobre (Cu) en un depsito macizo de
sulfuros, pero no es un elemento explorador para cada tipo de depsito de cobre.
Asociacin de menas Elemento indicador Elemento explorador

Prfido cuprfero Cu, Mo Zn, Au, Re, Ag, As, F
Depsitos complejos Zn, Cu, Ag, Au Hg, As, S (en forma de SO4),
de sulfuros Sb, Se, Cd, Ba, F, Bi
Vetas de metales preciosos Au, Ag As, Sb, Te, Mn, Hg, I, F, Bi, Co,
Se, Tl
Depsitos del tipo Skarn Mo, Zn, Cu B, Au, Ag, Fe, Be

Uranio en areniscas U Se, Mo, V, Rn, He, Cu, Pb
Uranio en vetas U Cu, Bi, As, Co, Mo, Ni, Pb, F

Cuerpos ultramficos de oro Pt, Cr, Ni Cu, Co, Pd
Vetas de fluorita F Y, Zn, Rb, Hg, Ba
Proporciones de istopos estables tambin pueden servir para indicar un
depsito mineral, por ejemplo Pb, S y Sr estn distribuidos en zonas
alrededor de algunos depsitos minerales y las variaciones en la
composicin de carbn y oxgeno pueden indicar la proximidad de un
depsito mineral del tipo Mississippi Valley.

3.5. TIPOS DE ANOMALAS GEOQUMICAS
3.5.1. ANOMALIAS EPIGENTICAS EN LAS ROCAS DE CAJA

Las anomalas epigenticas se describe como aureolas qumicas, mineralgicas e
isotpicas generadas por los procesos de mineralizacin, de escape y de lixiviacin de
los elementos a travs de los fluidos, que causan la mineralizacin y que pasan por
canales desde el cuerpo mineralizado hacia las rocas de caja. Estas anomalas estn
superimpuestas a las rocas preexistentes y se ubican en las rocas de caja de un
cuerpo mineralizado.
El desarrollo ms extensivo de anomalas epigenticas se observa cerca
de depsitos hidrotermales y canales de transporte de fluidos. La viscosidad baja de
losfluidos favorece su penetracin a lo largo de fracturas y por intersticios de la roca
hacia la roca de caja. Las anomalas epigenticas estn caracterizadas por cantidades
anmalas de elementos distribuidas cerca de canales hidrotermales, por la alteracin
hidrotermal de minerales de las rocas de caja y la lixiviacin de elementos en sectores
del corrido de los fluidos formadores de la mineralizacin. Factores, que controlan la
formacin de las auroleas son entre otros los gradientes de temperatura, el estado de
oxidacin de los iones involucrados, la movilidad de los elementos participantes, los
sistemas de fracturas, la permeabilidad y la reactividad de las rocas.
La naturaleza de una aureola formada por difusin y por absorcin y

precipitacin depende de los factores siguientes:
Concentracin del elemento difundindose desde su fuente: una concentracin
inicial alta resulta en valores altos a lo largo de un perfil de concentracin trazado a
partir de la fuente del elemento o es decir a partir del cuerpo mineralizado hacia la roca
de caja; una variacin de la concentracin del elemento en la fuente tambin influye la
difusin.
Intervalo de tiempo, en que puede actuar la difusin: tanto ms tiempo
disponible, tanto ms extendida ser la aureola de difusin.
Naturaleza de reacciones con la roca de caja: en una roca de caja reactiva se
desarrollar una aureola pequea, caracterizada por altas concentraciones de
elementos; en una roca de caja menos reactivo se desarrollar una aureola de
difusin ms extendida con concentraciones de elementos ms bajas.
Porosidad y permeabilidad de la roca de caja: una roca de caja con alta
porosidad y con poros conectados entre s tiende a hospedar aureolas ms
extendidas en comparacin con una roca menos porosa. Valor de la constante de
difusin caracterstica para la especie qumica (elemento, molcula) y para las
condiciones qumicas respectivas: generalmente iones pequeos y temperaturas altas
tienden a favorecer aureolas grandes.
3.5.1.1 Anomala de corrosin o de lixiviacin
Un halo de corrosin (leakage en ingls) se causa por fluidos, que pasan por
vetas, fracturas y intersticios de la roca y cuyos metales disueltos subsecuentemente
son precipitados o absorbidos. Este tipo de transporte se denomina infiltracin, las
anomalas resultantes se llama anomalas de corrosin o de lixiviacin.
3.5.1.2 Anomalas en suelos residuales

El objetivo del estudio geoqumico de suelos consiste en el reconocimiento de la
distribucin primaria de elementos seleccionados en las rocas subyacentes. En los
suelos residuales generalmente la distribucin primaria se expresa todava en forma
relativamente clara, an estar modificada por los efectos de varios procesos
superficiales. Algunos de estos procesos tienden a homogeneizar el suelo y por

consiguiente borrar la distribucin primaria como entre otros la helada, la actividad de

plantas, la gravedad, la disolucin local y la redeposicin.
3.5.1.3 Anomalas en 'gossan' y cubiertas afectadas por corrosin y lixiviacin

'Gossan' se refiere a un producto de meteorizacin, que contiene Fe y que se
sita encima de un depsito de sulfuros. Se forma por oxidacin de los sulfuros y por
la lixiviacin del azufre y la mayora de los metales dejando como nicos remanentes
hidrxidos de Fe (limonita por ejemplo) y raramente algunos sulfatos (definicin segn
BATES & JACKSON, 1984).
3.5.1.4 Anomalas en agua

Una distribucin anmala de elementos en aguas subterrneas y metericas se
denomina anomala hidrogeoqumica. Como generalmente los elementos son
transportados en forma disuelta en las aguas naturales, los elementos ms aptos para
la exploracin geoqumica de aguas son los elementos relativamente mviles.
Una aplicacin muy existosa de la exploracin geoqumica de aguas consiste en
la determinacin de U en aguas subterrneas y metericas.
3.5.1.5 Anomalas en sedimentos de drenaje

A los sedimentos de drenaje pertenecen los sedimentos de manantiales, de lagos,
de llanuras de inundacin, los sedimentos activos de corrientes de agua y los
sedimentos, que funcionan como filtros para el agua (seepage sediments en ingls).
FACTORES DE ENRIQUECIMIENTO DE ALGUNOS ELEMENTOS (DE PETERS)
Metal Abundancia en la Cutoff Factor de

corteza terrestre en % grade en % enriquecimiento
Hg 0,0000089 0,2 22500
Pb 0,0013 4 3100
Sn 0,00017 0,5 2900
W 0,00011 0,2 1800
Au 0,00000035 0,0003 900
Mo 0,00013 0,1 800
U 0,00017 0,1 600
Zn 0,0094 3 300
Cu 0,0063 0,3 50
Ni 0,0089 0,3 35
Fe 5,8 30 5
Al 8,3 30 4
An el oro es el elemento ms escaso, no lleva el factor de enriquecimiento ms

alto. Al mercurio pertenece el factor de enriquecimiento mximo. El hierro y el
aluminio estn caracterizados por los factores de enriquecimiento menores.
Por el relieve geoqumico se puede

expresar la intensidad de la anomala geoqumica con respecto al fondo geoqumico

local proporcionando las intensidades de la anomala y del fondo geoqumica local.
4. MUESTREO
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos
los elementos de una poblacin), se selecciona una muestra, entendiendo por tal una
parte representativa de la poblacin.
El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin
bsica es determinar que parte de una poblacin debe examinarse, con la finalidad de
hacer inferencias sobre dicha poblacin.
La muestra debe lograr una representacin adecuada de la poblacin, en la que se
reproduzca de la mejor manera los rasgos esenciales de dicha poblacin que son
importantes para la investigacin. Para que una muestra sea representativa, y por lo
tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, es
decir ejemplificar las caractersticas de sta.
Los errores ms comunes que se pueden cometer son:

1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte de
la Poblacin, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que
originalmente se tomo la muestra. Error de Inferencia.
En la estadstica se usa la palabra poblacin para referirse no slo a personas si no a
todos los elementos que han sido escogidos para su estudio y el trmino muestra se
usa para describir una porcin escogida de la poblacin.
4.1. TIPOS DE MUESTREO

Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque
en general pueden dividirse en dos grandes grupos: mtodos de muestreo
probabilsticos y mtodos de muestreo no probabilsticos.

A) Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de

equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser
seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
representatividad de la muestra extrada y son, por tanto, los ms recomendables.
Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos:
B) Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo
de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa,
tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao
de muestra requerido.
C) Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la
poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte
de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que
integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir
se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la
poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como
punto de partida ser un nmero al azar entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la
poblacin ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la poblacin.
Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en
los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo
aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo
mujeres, no podra haber una representacin de los dos sexos.
D) Muestreo aleatorio estratificado:
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen
gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por
ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.).
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos
de inters estarn representados adecuadamente en la muestra. Cada estrato
funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio
simple o el estratificado para elegir los elementos concretos que formarn parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues
exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos,
edades,...). La distribucin de la muestra en funcin de los diferentes estratos se
denomina afijacin, y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso
(tamao) de la poblacin en cada estrato.

Afijacin Optima: Se tiene en cuenta la previsible dispersin de los

resultados, de modo que se considera la proporcin y la desviacin tpica.
Tiene poca aplicacin ya que no se suele conocer la desviacin.
5. Muestreo aleatorio por conglomerados:
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente
los elementos de la poblacin, es decir, que las unidades mustrales son los
elementos de la poblacin.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto

numero de conglomerados (el necesario para alcanzar el tamao muestral
establecido) y en investigar despus todos los elementos pertenecientes a los
conglomerados elegidos.
5.1 MTODOS DE MUESTREO NO PROBABILSTICOS
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente

costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la poblacin),
pues no se tiene certeza de que la muestra extrada sea representativa, ya que no
todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios procurando, en
la medida de lo posible, que la muestra sea representativa.
A) Muestreo por cuotas:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la
base de un buen conocimiento de los estratos de la poblacin y/o de los individuos
ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por
tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de
aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota
se eligen los primeros que se encuentren que cumplan esas caractersticas. Este
mtodo se utiliza mucho en las encuestas de opinin.
B) Muestreo intencional o de conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupos supuestamente
tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en
anteriores votaciones han marcado tendencias de voto.
Tambin puede ser que el investigador seleccione directa e intencionadamente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar
como muestra los individuos a los que se tiene fcil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).

C) Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.
D) Muestreo Discrecional A criterio del investigador los elementos son
elegidos sobre lo que l cree que pueden aportar al estudio.
Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico
CARACTERISTICAS VENTAJAS INCONVENIENTES

Sencillo y de fcil
comprensin.
Requiere que se
Clculo rpido de posea de antemano un
Se selecciona una muestra
medias y listado completo de
Aleatorio de tamao n de una varianzas. toda la poblacin.
poblacin de N unidades, Cuando se trabaja con
simple cada elemento tiene una Se basa en la muestras pequeas es
probabilidad de inclusin teora estadstica, posible que no
igual y conocida de n/N. y por tanto existen represente a la
paquetes poblacin
informticos para adecuadamente.
analizar los datos
Fcil de aplicar.
Conseguir un listado de los
N elementos de la poblacin No siempre es
necesario tener un
Si la constante de
Determinar tamao muestral listado de toda la
muestreo est
n. poblacin.
asociada con el
Sistemtico
Definir un intervalo k= N/n. Cuando la fenmeno de inters,
poblacin est las estimaciones
ordenada obtenidas a partir de la
Elegir un nmero aleatorio, r,
siguiendo una muestra pueden
entre 1 y k (r= arranque contener sesgo de
tendencia
aleatorio). seleccin
conocida, asegura
una cobertura de
Seleccionar los elementos unidades de todos
de la lista. los tipos.

En ciertas ocasiones
Tiende a asegurar Se ha de
resultar conveniente
que la muestra conocer la
estratificar la muestra segn
represente distribucin en
Estratificado ciertas variables de inters.
adecuadamente a la poblacin
Para ello debemos conocer
la poblacin en de las
la composicin estratificada
funcin de unas variables
de la poblacin objetivo a
hacer un muestreo. Una vez variables utilizadas para

calculado el tamao seleccionadas. la
muestral apropiado, este se estratificacin.
reparte de manera Se obtienen
proporcional entre los estimaciones ms
distintos estratos definidos precisa
en la poblacin usando una
simple regla de tres.
Su objetivo es
conseguir una
muestra lo ms
semejante posible
a la poblacin en
lo que a la o las
variables
estratificadoras se
refiere.
Es muy eficiente
El error
cuando la
estndar es
Se realizan varias fases de poblacin es muy
mayor que en
muestreo sucesivas grande y dispersa.
el muestreo
(polietpico) aleatorio
No es preciso simple o
Conglomerados La necesidad de listados de tener un listado de estratificado.
las unidades de una etapa toda la poblacin,
se limita a aquellas unidades slo de las

El clculo del
de muestreo seleccionadas unidades
error estndar
en la etapa anterior. primarias de
es complejo.
muestreo.

Geoestadisticaaaaa

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Geoestadisticaaaaa

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL MICAELA BASTIDAS DE APURIMAC

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

CARRERA PROFESIONAL: INGENIERA DE MINAS

VARIABLE REGIONALIZADA, SOFTWARD Y SUS APLICACIONES,

DOCENTE : ING. CREIDER PANOV TUNQUE SUYO

PRESENTADO POR : CACERES HUACHACA REYNALDO

geo estadstica Pgina 1

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

En un gran nmero de actividades humanas, principalmente en las ciencias de la

Y, en un segundo caso, la secuencia b:

Atribuye un valor numrico definido a la variable aleatoria.

se respeta de manera aproximada. Pero ahora la condicin

geo estadstica Pgina 2

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

1.2. CARACTERSTICAS CUALITATIVAS DE LAS VARIABLES

geo estadstica Pgina 3

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

discontinuidades horizontales, debidas al trmino lenticular y a la repeticin de los

1.3. LOS ESQUEMAS TERICOS.

geo estadstica Pgina 4

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

2. DE SOFTWARE AS A SERVICE Y APLICACIONES

Software como Servicio en su definicin ms ortodoxa es un modelo de distribucin

La figura a continuacin muestra algunas caractersticas de Software como Servicio en

2.1 ROLES Y ECOSISTEMA

geo estadstica Pgina 5

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

2.1.1. Construir, Ejecutar, Consumir y Comercializar

geo estadstica Pgina 6

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

Figura Ejemplos de empresas tomando diferentes roles dentro del modelo

2.3. ADOPCIN Y DIFUSIN

geo estadstica Pgina 7

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

aporta la tecnologa en cuestin, la mayora temprana adopta. La mayora tarda son

Figura 4 - Grafico de campana del modelo de ciclo de vida de adopcin

2.4. GARTNER INC.

geo estadstica Pgina 8

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

El grfico de Hype Cycle se ve a continuacin:

geo estadstica Pgina 9

FACULTAD INGENIERIA DE MINAS

ESCUELA ACADEMICO PROFECIONAL DE INGENIERIA DE MINAS

SUB SEDE HAQUIRA-COTABAMBAS

geo estadstica Pgina 10